pairwise_distance

`pairwise_distance`通常指的是计算一组数据点之间的距离矩阵，这在机器学习和数据挖掘中非常常见，特别是在聚类分析和相似度搜索中。这个概念通常用于数值向量，如在深度学习模型中的特征向量。

在Python中，如果你有一个Numpy数组，你可以使用`scipy.spatial.distance.pdist`函数来计算每个对之间的距离，然后使用`squareform`将其转换为完整的对间距离矩阵：

from scipy.spatial import distance

# 假设我们有二维数组X作为数据点
X = [[1, 2], [3, 4], [5, 6]]

# 计算对间的欧氏距离（默认）
dist_matrix = distance.squareform(distance.pdist(X, metric='euclidean'))

print(dist_matrix)

这里，`metric='euclidean'`指定了使用欧几里得距离（最简单的距离度量），但也可以选择其他距离度量，如曼哈顿距离（`metric='cityblock'`）或余弦相似度（`metric='cosine'`）。